Olika typer av data genereras kontinuerligt varje sekund och för att kunna analysera denna data måste den transformeras till någon typ av visuell representation. En vanlig typ av data är spatio-temporal data, vilket är data som existerar i både rymd och tid. Hur denna typ av data kan visualiseras har undersökts under en lång period och området är fortfarande relevant idag. Ett antal metoder har undersökts i detta arbete och en genomgående litteraturstudie har genomförts. En applikation som implementerar ett antal av dessa undersökta metoder för att visualisera klimatdata har även skapats. / Different kinds of data is generated continuously every second and in order to be ableto analyze this data it has to be transformed into some kind of visual representation. Onecommon type of data is spatio-temporal data, which is data that exists in both space andtime. How to visualize this kind of data have been researched for a long time and is still avery relevant subject to expand on today. A number of approaches have been explored inthis work. An extensive literature study has also been performed and can be read in thisreport. The study has been divided into different classifications of spatio-temporal dataand the visual representations are structured by these classes.Another contribution of this thesis is a climate data application to visualize spatiotemporaldata sets of temperatures collected for several countries in the world. This applicationimplements several of the visual representations presented in the survey includedin this thesis. This resulted in a four display application, each showing a different aspect ofthe chosen data sets that consisted of climate data. The result shows how effective multiplelinked views are in order to understand different characteristics of the data.

Denna studie ger förslag på hur metoden Getis Ord Gi* kan användas för att analysera geografiskt data, hitta mönster och visualisera resultatet. I studien ges också förslag på hur ingångsvärden till metoden bör väljas och hur de påverkar den resulterande visualiseringen. Metoden kan användas till att analysera ett antal incidenter eller ärenden som är utspridda över ett större geografiskt område. Metoden skulle då kunna användas till att ge svar på om det förekommer problemområden (kluster) av något slag inom området. Istället för att fokusera på varje enskilt fall skulle det då gå att samordna insatser i de områdena och till exempel få en kostnadseffektivare hantering. De ingångsvärden som har undersökts är storlek på sökfönster samt metod för aggregering av data. Som testdata i studien används trädärenden inkomna till Gävle kommun under åren 2010-2013. De frågeställningar som besvaras är: 1) Hur påverkas den resulterande visualiseringen av klusteranalysen om punktdata aggregeras som sammanfallande punkter, överlagras mot ett rutnät eller överlagras mot stadsdelspolygoner? 2) Hur påverkas den resulterande visualiseringen av klusteranalysen om sökfönstrets storlek väljs så att endast varje punkts omedelbara närområde tas med eller om storleken sätts så att varje punkt har minst en granne inom sökfönstret? 3) Hur bör parametrarna aggregering av data och storlek på sökfönster väljas för att visualisera kluster i storleken kvarter till stadsdel? Resultatet visar att det är viktigt att verkligen tänka igenom vilken fråga som ska besvaras med Getis Ord Gi* analysen och välja ingångsvärden efter frågan. Den här studien ger exempel på flera typfall och rekommendationer för hur värden bör väljas i de olika fallen. I fallet med testdatat visar resultatet att metod B1 (Överlagring av punkter mot ett rutnät och en sökfönsterradie på 300 meter) ger den tydligaste visualiseringen. Aggregeringen mot rutnät gör att effekten av många punkter på enstaka adresser jämnas ut och kluster i storleksordningen kvarter framträder tydligt. Diskussionen belyser hur effekter som befolkningstäthet och studieområdets geografi kan komma att påverka resultatet. / In this study, suggestions are given for how the method Getis Ord Gi* can be used to analyze geographic data, find patterns and visualize results. Guidelines are also given for selecting parameters and how the parameters affect the visualization of the results. The method can be used to analyze the number of incidents spread over a large geographic area. The method allows users to identify concentrations of incidents. By focusing on concentrations instead of single incidents, municipalities and other agencies can more effectively respond to the needs of its citizens. The parameters that have been evaluated are search window distance band and the aggregation of data. Citizen service requests to the municipality of Gävle regarding trees during the years 2010 to 2013 have been used as test data. The research questions are as follows: 1) How is the visualization of the results affected if data is aggregated as coincident points, overlaid on a grid or overlaid on district polygons? 2) How is the visualization of the results affected if search window distance band is selected to incorporate only near surrounding points or to set to a distance where every point has at least one neighbor? 3) How should the parameters data aggregation and search window distance band be set to visualize data clusters by the size of blocks up to districts? The findings of this study emphasize the importance of selecting parameters based on the question at hand. Several cases and guidelines for selecting parameters are outlined. The results show that method B1 (data overlaid on a grid and a search window distance band of 300 meters) gives the clearest visualization of clusters for the test data. Data overlaid on grid smoothers the effect of many incidents on single addresses and the resulting clusters are about the size of city blocks. The discussion part emphasizes how effects as the population density and the geography in the study area may affect the reulting visualisation.

In this report we attempt to provide insights in how interpolation can be used for creating heat maps showing residence prices for different residence markets in Sweden. More specifically, three interpolation methods are implemented and are then used on three Swedish residence markets. These three residence markets are of varying characteristics such as size and residence type. Data of residence sales and the physical definitions of the residence markets were collected. As residence sales are never identical, residence sales were preprocessed to make them comparable. For comparison, a so-called external predictor was used as an extra parameter for the interpolation method. In this report, distance to nearest public transportation was used as an external predictor. The interpolated heat maps were compared and evaluated using both quantitative and qualitative approaches. Results show that each interpolation method has its own strengths and weaknesses, and that using an external predictor results in better heat maps compared to only using residence price as predictor. Kriging was found to be the most robust method and consistently resulted in the best interpolated heat maps for all residence markets. On the other hand, it was also the most time-consuming interpolation method. / Den här rapporten försöker ge insikter i hur interpolation kan användas för att skapa färgdiagram över bostadspriser för olika bostadsmarknader i Sverige. Mer specifikt implementeras tre interpolationsmetoder som sedan används på tre olika svenska bostadsmarknader. Dessa tre bostadsmarknader är av olika karaktär med hänsyn till storlek och bostadstyp. Bostadsförsäljningsdata och de fysiska definitionerna för bostadsmarknaderna samlades in. Eftersom bostadsförsäljningar aldrig är identiska, behandlas de först i syfte att göra dem jämförbara. En extern indikator, vilket är en extra parameter för interpolationsmetoder, undersöktes även. I den här rapporten användes avståndet till närmaste kollektiva transportmedel som extern indikator. De interpolerade färgdiagrammen jämfördes och utvärderades både med en kvantiativ och en kvalitativ metod. Resultaten visar att varje interpolationsmetod har sina styrkor och svagheter och att användandet av en extern indikator alltid renderade i ett bättre färgdiagram jämfört med att endast använda bostadspris som indikator. Kriging bedöms vara den mest robusta interpolationsmetoden och interpolerade även de bästa färgdiagrammen för alla bostadsmarknader. Samtidigt var det även den mest tidskrävande interpolationsmetoden.

This thesis focuses on the definition of important terms in e-commerce for the proper functioning e-shop. It analyzes the current condition of an existing e-shop and on the basis of the weaknesses proposes a partial strategy for further promotion of trade.